💻 computer science

StARS: Socially Appropriate Robot Actions via a Recommender System-Driven Approach

L'article présente StARS, un cadre agnostique du modèle qui exploite les techniques de systèmes de recommandation pour traiter la variabilité inter-sujets dans l'interaction humain-robot en générant des actions robotiques personnalisées et socialement appropriées, adaptées aux normes individuelles des utilisateurs et à des contextes spécifiques.

Auteurs originaux : Erencem Ozbey, Fethiye Irmak Dogan, Jin Huang, Hatice Gunes

Publié 2026-07-27

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Erencem Ozbey, Fethiye Irmak Dogan, Jin Huang, Hatice Gunes

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous entriez dans une pièce pleine de monde, et qu'un robot amical essaie d'aider. Pour nous, « être utile » peut sembler identique pour tout le monde, mais dans le monde de l'Interaction Humain-Robot (IHR), les règles sociales sont étonnamment personnelles. Ce qu'une personne trouve charmant et utile peut être perçu par une autre comme étrange ou même dangereux. C'est le puzzle complexe que les scientifiques tentent de résoudre : comment apprendre aux robots à lire la salle et la personne spécifique qui s'y trouve ?

L'article aborde cela en empruntant une astuce ingénieuse à une technologie que nous utilisons tous les jours : le système de recommandation. Vous savez comment Netflix ou Spotify suggèrent des films ou des chansons ? Ils ne se contentent pas de deviner ce que tout le monde aime ; ils regardent ce que vous avez aimé par le passé, mélangé à ce que des personnes similaires à vous ont apprécié. Les chercheurs ont réalisé que décider si l'action d'un robot est « socialement appropriée » est en fait très similaire au choix d'un film. Ce n'est pas une vérité universelle unique ; c'est une question de goût personnel. En traitant les actions du robot comme des « articles » et les humains comme des « utilisateurs », ils peuvent utiliser les mathématiques conçues pour la recommandation de films pour aider les robots à comprendre exactement ce qu'un humain spécifique veut qu'ils fassent.

Le Problème : Un modèle unique ne convient pas à tous

Pendant longtemps, les robots ont été enseignés pour agir en fonction de ce que la personne « moyenne » juge acceptable. Si 51 % des gens pensaient qu'un robot agitant son bras était correct, le robot le ferait. Mais les auteurs soulignent une faille majeure dans cette approche : l'appropriation sociale n'est pas universelle. Dans une fête bondée, une personne pourrait adorer qu'un robot lui serve une boisson, tandis qu'une autre pourrait y voir un risque de trébuchement ou une intrusion dans sa vie privée. Si un robot se trompe constamment en se basant sur la « moyenne », les gens s'agaceront, perdront confiance et cesseront d'interagir avec lui.

L'article soutient que nous devons arrêter d'essayer de trouver un comportement de robot « parfait » et commencer à construire des robots capables de s'adapter à vos préférences spécifiques.

La Solution : StARS (Socially Appropriate Robot Actions)

Pour résoudre cela, l'équipe a créé un nouveau cadre appelé StARS. Voyez StARS comme un « styliste personnel » pour le comportement du robot. Au lieu de simplement regarder la scène (la pièce, les gens, les objets), StرS regarde qui regarde.

Voici comment cela fonctionne, en utilisant une analogie simple :
Imaginez que vous essayiez de deviner quelle garniture de pizza un ami aimera.

L'ancienne méthode : Vous demandez à 100 personnes ce qu'elles aiment, vous prenez la moyenne, et vous devinez « Pepperoni » parce que c'est le plus populaire. Votre ami déteste le pepperoni.
La méthode StARS : Vous regardez les anciennes commandes de pizza de votre ami. Vous remarquez également que votre ami aime généralement les mêmes garnitures que son meilleur ami, qui adore les champignons. StARS combine ces indices. Il dit : « Cette personne spécifique, dans cette situation spécifique, veut probablement des champignons, même si la foule veut du pepperoni. »

Techniquement, StARS utilise une méthode appelée Filtrage Collaboratif. C'est la même mathématique que celle utilisée par Netflix. Il construit un immense tableur mental qui suit :

Utilisateurs : Les différentes personnes (annotateurs) qui ont évalué les actions du robot.
Articles : Les différentes actions du robot (comme « servir de la nourriture » ou « s'écarter du chemin »).
Contexte : La scène (une cuisine, un couloir, un parc).

En analysant ce tableur, StARS apprend des motifs cachés. Il pourrait réaliser que « l'Utilisateur A » trouve toujours que les robots sont trop proches dans les couloirs étroits, tandis que « l'Utilisateur B » pense qu'ils sont trop loin. Il utilise ensuite ces motifs pour prédire ce que cet utilisateur spécifique pensera approprié dans une nouvelle situation, même si le robot ne l'a jamais rencontré auparavant.

Ce qu'ils ont trouvé

Les chercheurs ont testé StARS sur deux ensembles de données différents : l'un concernant des robots effectuant des tâches ménagères dans un salon (MannersDB+) et un autre concernant des robots naviguant à travers des foules (SocNav1). Ils l'ont testé avec de nombreux modèles de « cerveau » (backbones) pour voir s'il fonctionnait de manière générale.

Les résultats ont été systématiquement positifs :

Une meilleure précision : Lorsque les chercheurs ont ajouté StARS à leurs modèles de robots, les prédictions se sont considérablement améliorées. Par exemple, sur l'ensemble de données du salon, le taux d'erreur (RMSE) est passé d'environ 1,27 à 1,09 pour leur meilleur modèle.
Un meilleur accord : Les prédictions du robot correspondaient beaucoup plus étroitement aux opinions humaines. La corrélation (une mesure de la façon dont l'opinion du robot correspondait à celle de l'humain) est passée d'environ 0,30 à 0,57 sur l'ensemble de données du salon.
Cela fonctionne avec peu de données : L'un des plus grands défis de la personnalisation est que l'on dispose de peu de données pour chaque personne. L'équipe a constaté que StARS est très efficace pour apprendre à partir de seulement quelques exemples. Même lorsqu'ils n'ont donné au système que 10 % des données disponibles, il a tout de même réalisé des améliorations massives par rapport à l'ancienne méthode de la « moyenne ». À mesure qu'ils ajoutaient des données, le robot devenait encore meilleur, mais le plus grand bond s'est produit très tôt.

Pourquoi cela importe

L'article suggère que nous n'avons pas besoin de redessiner complètement la façon dont les robots pensent pour les rendre plus personnels. Au lieu de cela, nous pouvons simplement ajouter une « couche de recommandation » sur n'importe quel cerveau de robot que nous possédons déjà. Cela rend possible le déploiement de robots dans de vrais foyers et hôpitaux où chaque personne est différente.

Les auteurs précisent avec prudence qu'ils n'ont pas « résolu » le problème des robots sociaux pour toujours. Les situations sociales sont complexes et il existe encore beaucoup d'ambiguïté. Cependant, leur travail suggère que traiter l'appropriation sociale comme un problème de préférence personnelle — plutôt que comme une règle universelle — est une méthode puissante et efficace en termes de données pour créer des robots qui s'intègrent réellement parmi nous. En utilisant la même logique qui vous aide à trouver votre prochaine chanson préférée, nous pourrions enfin obtenir des robots qui savent exactement comment se comporter autour de vous.

Résumé technique : StARS – Approche de génération d'actions robotiques socialement appropriées via un système de recommandation

1. Énoncé du problème

La pertinence sociale dans l'interaction humain-robot (HRI) n'est pas universelle ; elle présente une variabilité inter-sujets significative. Une même action robotique dans un contexte identique peut être perçue comme utile par un utilisateur et comme intrusive ou dangereuse par un autre. Les approches existantes reposent souvent sur des évaluations humaines agrégées ou des représentations partagées de la pertinence, ce qui lisse les désaccords significatifs et ne parvient pas à capturer les normes individuelles des utilisateurs. Cette limitation entrave le déploiement de robots dans des environnements de proximité (ex. : domiciles, soins de santé) où la personnalisation est essentielle.

Le défi central abordé est la modélisation et la prédiction d'actions socialement appropriées qui s'alignent sur les préférences spécifiques des utilisateurs, particulièrement lorsque le retour d'information sur les préférences est rare et coûteux à collecter. Les auteurs reformulent la génération d'actions socialement appropriées comme un problème de modélisation de préférences, en s'inspirant des systèmes de recommandation (RS) pour traiter les annotateurs comme des utilisateurs, les scènes comme des articles, et les scores de pertinence comme des cibles.

2. Méthodologie : Le cadre StARS

Les auteurs proposent StARS (Socially Appropriate Robot Actions), un cadre agnostique au modèle qui intègre le filtrage collaboratif (CF) avec des représentations de scènes apprenables.

A. Formulation du problème

Au lieu de prédire un score agrégé $y_{i,a}$ pour une scène $i$ et une action $a$ , StARS prédit un score personnalisé $\hat{y}_{u,i,a}$ pour un utilisateur spécifique $u$ . Le système apprend à partir d'un ensemble de données $D$ d'annotations $(u, i, a, y_{u,i,a})$ .

B. Architecture et composants

StARS augmente un encodeur de scène différentiable $\phi_\theta$ avec un module de filtrage collaboratif basé sur la factorisation de matrice (MF). La fonction de prédiction $f(u, i, x_i, a)$ combine :

Facteurs latents : Des plongements d'utilisateurs partagés ( $p_u$ ) et des plongements de scènes partagés ( $q_i$ ) appris via MF pour capturer les tendances systématiques d'évaluation.
Plongements d'actions : Des plongements spécifiques aux actions ( $r_a$ ) pour gérer les multiples actions candidates.
Fusion résiduelle : Pour atténuer la parcité des données et incorporer les informations de contenu, le cadre fusionne les signaux collaboratifs avec les caractéristiques de contenu de la scène ( $h_i = \phi_\theta(x_i)$ $h_{i} = ϕ_{θ} (x_{i})$ ) :
- Fusion résiduelle de scène : Un plongement de scène hybride $\bar{q}_i = q_i + h_i$ enrichit le plongement d'article collaboratif avec les caractéristiques de contenu (ex. : disposition spatiale, relations entre objets).
- Fusion résiduelle d'interaction : La prédiction finale incorpore l'interaction utilisateur-scène ( $p_u \odot \bar{q}_i$ ) et ajoute la caractéristique de contenu $h_i$ comme terme résiduel. Cela fournit un raccourci de contenu indépendant de l'utilisateur, stabilisant les prédictions lorsque les facteurs collaboratifs sont faiblement estimés (régime de parcité).

L'équation de prédiction finale est :
$\hat{y}_{u,i,a} = \left( (p_u \odot \bar{q}_i) + h_i \right)^\top r_a + b_u + b_i + b$
où les termes $b$ représentent les décalages globaux, d'utilisateur et de scène.

C. Stratégie d'entraînement

StARS emploie un protocole d'entraînement en deux étapes :

Pré-entraînement de l'encodeur de scène : L'encodeur de scène $\phi_\theta$ est pré-entraîné avec une tête linéaire temporaire pour prédire la pertinence de l'action à partir des seules caractéristiques de la scène.
Optimisation conjointe de bout en bout : L'encodeur pré-entraîné est gelé (ou affiné) et optimisé conjointement avec les paramètres du CF ( $p_u, q_i, r_a, b$ ) en utilisant l'objectif complet de prédiction personnalisée.

3. Principales contributions

Reformulation de l'HRI : Le papier recadre la génération d'actions socialement appropriées comme un problème d'estimation de préférences utilisant des techniques de systèmes de recommandation, modélisant explicitement le désaccord inter-utilisateurs plutôt que de l'agréger.
Cadre agnostique au modèle : StARS est conçu pour être intégré à divers encodeurs de scène (ex. : MLP, Transformers, réseaux de neurones sur graphes) et architectures de base sans redessiner le modèle sous-jacent.
Robustesse à la parcité des retours : Le cadre répond spécifiquement au défi de la parcité des retours de préférence en exploitant le filtrage collaboratif pour inférer des modèles spécifiques aux utilisateurs à partir de données limitées.
Validation empirique : L'approche est évaluée sur deux jeux de données distincts : MannersDB+ (actions de tâches domestiques) et SocNav1 (navigation socialement conforme).

4. Résultats expérimentaux

Les auteurs ont évalué StARS par rapport à divers modèles de base (MLP, ResMLP, DCNv2, GraceAE, FT-Transformer pour MannersDB+ ; GCN, GIN, GraphSAGE, GGNN, RGCT, GAT pour SocNav1) en utilisant une validation croisée à cinq plis.

Amélioration des performances (RQ1) : Sur tous les modèles de base et jeux de données, l'intégration de la composante CF (StARS) a systématiquement surpassé les modèles de base.
- Sur MannersDB+, les variantes StARS ont montré des réductions substantielles de la RMSE (ex. : de ~1,27 à ~1,13 pour MLP) et des augmentations significatives du coefficient de corrélation de Pearson ( $r$ ) et du coefficient de corrélation de concordance de Lin (CCC).
- Sur SocNav1, les variantes StARS ont obtenu des MSE plus faibles et des métriques de corrélation plus élevées à travers toutes les architectures de réseaux de neurones sur graphes.
Consistance et systématicité (RQ2) : L'analyse statistique (tests t appariés avec correction de Holm) a confirmé que les améliorations étaient systématiques et non des artefacts de plis ou de modèles spécifiques. Les gains étaient statistiquement significatifs ( $p < 0,05$ ) à travers toutes les configurations testées.
Robustesse à la parcité (RQ3) : Les expériences de courbe d'apprentissage ont démontré que StARS offre des gains de performance substantiels même avec des données d'entraînement limitées (régimes de faibles données). Les performances s'améliorent rapidement avec les premières annotations, suggérant que la méthode est efficace en termes de données et adaptée aux scénarios où la collecte de retours personnalisés est coûteuse.

5. Signification et affirmations

Le papier affirme que StARS démontre la viabilité des méthodes de systèmes de recommandation comme approche évolutive pour la prise de décision personnalisée en robotique.

Personnalisation sans redessiner le modèle : Le cadre permet la sélection d'actions spécifiques à l'utilisateur sans nécessiter une redéfinition de l'architecture de perception ou de décision sous-jacente, soutenant un comportement plus adaptatif en HRI réelle.
Variabilité structurée : Les résultats suggèrent que la variation des jugements de pertinence sociale est structurée et peut être capturée efficacement via la modélisation de l'interaction utilisateur-scène, plutôt qu'être un bruit aléatoire.
Efficacité des données : L'approche offre une voie pratique pour la personnalisation en HRI là où les données sont rares, impliquant qu'un petit nombre d'interactions précoces peut générer des estimations de préférences spécifiques à l'utilisateur significatives.

Les auteurs concluent que bien que StARS se concentre sur la pertinence sociale, la formulation RS pourrait s'étendre à d'autres tâches d'HRI centrées sur la personnalisation, telles que l'assemblage collaboratif ou l'assistance adaptative, à condition que des mécanismes de retour appropriés soient en place.